基于RasterCatalog的海量遙感數(shù)據(jù)存儲及快速瀏覽技術(shù)研究

隨欣欣, 王彥佐, 晉佩東, 魏英娟, 王文凱, 馬駿歡

(1.中國國土資源航空物探遙感中心，北京 100083； 2.北京吉威數(shù)源信息技術(shù)有限公司，北京 100043)

基于RasterCatalog的海量遙感數(shù)據(jù)存儲及快速瀏覽技術(shù)研究

隨欣欣1, 王彥佐1, 晉佩東1, 魏英娟1, 王文凱2, 馬駿歡2

(1.中國國土資源航空物探遙感中心，北京 100083； 2.北京吉威數(shù)源信息技術(shù)有限公司，北京 100043)

高分一號衛(wèi)星自2013年4月26日發(fā)射至今，已獲取了大量的數(shù)據(jù)，數(shù)據(jù)量已達(dá)到了TB級，而且還在持續(xù)增長?；诟叻?jǐn)?shù)據(jù)的有效管理、檢索和展示的需求，對海量數(shù)據(jù)存儲模型和影響圖像瀏覽速度的因素進(jìn)行分析。通過實驗驗證，采用壓縮質(zhì)量為50%的JPEG壓縮和雙線性插值法構(gòu)建影像金字塔，以64×64切片大小進(jìn)行數(shù)據(jù)存儲，并通過構(gòu)建GDB RasterCatalog Layer，能夠?qū)崿F(xiàn)海量遙感數(shù)據(jù)的存儲與快速瀏覽展示，滿足高分系列衛(wèi)星在行業(yè)應(yīng)用中數(shù)據(jù)管理與顯示需求。

高分?jǐn)?shù)據(jù)； RasterCatalog； 快速瀏覽

0 引言

隨著遙感技術(shù)的不斷發(fā)展，遙感數(shù)據(jù)的獲取途徑也在不斷的增多，并且隨著空間分辨率、波段數(shù)的提高，遙感影像的數(shù)據(jù)量級別也在不斷增長。中國國土資源航空物探遙感中心(下文簡稱航遙中心)2016年5月就已存儲各類遙感影像數(shù)據(jù)達(dá)176萬余景，數(shù)據(jù)量達(dá)533.9 TB，其中高分一號衛(wèi)星影像數(shù)據(jù)81.8萬余景，189.7 TB； 高分二號衛(wèi)星影像數(shù)據(jù)45.5萬余景，220.2 TB，且國產(chǎn)衛(wèi)星數(shù)據(jù)仍以每天2 000余景，1.0 TB數(shù)據(jù)量的增長速度不斷增加。航遙中心承擔(dān)著高分國土資源業(yè)務(wù)衛(wèi)星數(shù)據(jù)的統(tǒng)籌、管理、服務(wù)及保障任務(wù)，巨大的數(shù)據(jù)量對海量數(shù)據(jù)的高效管理和服務(wù)提出了挑戰(zhàn)，急需應(yīng)用合理的技術(shù)高效管理這些海量高分影像，為應(yīng)用提供數(shù)據(jù)支持。近年來，很多專家和學(xué)者針對海量數(shù)據(jù)的存儲管理進(jìn)行了大量的研究與系統(tǒng)建設(shè)，如許自舟等[1]進(jìn)行了海量影像數(shù)據(jù)儲存與發(fā)布的技術(shù)研究，表明采用影像壓縮、影像金字塔和影像切片等技術(shù)能有效提高海量影像數(shù)據(jù)儲存與發(fā)布性能； 薛濤等[2]研究了基于空間數(shù)據(jù)庫、文件目錄方式和Web Service等方式的數(shù)據(jù)存儲和發(fā)布。雖然數(shù)據(jù)存儲管理方式層出不窮，但是應(yīng)用最廣泛的是基于關(guān)系型數(shù)據(jù)庫+空間數(shù)據(jù)引擎與文件系統(tǒng)相結(jié)合的方式實現(xiàn)海量數(shù)據(jù)的管理[3-5]。而針對遙感影像數(shù)據(jù)的瀏覽展示，以往主要通過單一Oracle關(guān)系數(shù)據(jù)庫BLOB字段存儲，影像檢索及疊加展示效率較低； 而后續(xù)的研究主要運用金字塔、影像分塊等技術(shù)[6]，能夠?qū)崿F(xiàn)較好的瀏覽展示效果。

本文通過研究發(fā)現(xiàn)，基于RasterCatalog柵格數(shù)據(jù)組織方式結(jié)合影像金字塔、數(shù)據(jù)壓縮技術(shù)能夠?qū)崿F(xiàn)海量遙感影像數(shù)據(jù)的高效存儲與快速展示，其效果明顯優(yōu)于關(guān)系數(shù)據(jù)庫BLOB字段的影像數(shù)據(jù)存儲方式。

1 影像數(shù)據(jù)存儲技術(shù)

近年來，隨著遙感影像數(shù)據(jù)量的不斷增長，海量遙感影像數(shù)據(jù)的存儲技術(shù)也隨之迅速發(fā)展，國內(nèi)外學(xué)者提出了以關(guān)系數(shù)據(jù)庫、空間數(shù)據(jù)庫為主的柵格數(shù)據(jù)存儲技術(shù)[7]，其中應(yīng)用廣泛的有Oracle關(guān)系數(shù)據(jù)庫BLOB字段存儲和空間數(shù)據(jù)引擎ArcSDE存儲2種。

Oracle關(guān)系數(shù)據(jù)庫BLOB字段存儲方式易于管理，具有可伸縮性、安全性及可用性的優(yōu)點； 空間數(shù)據(jù)引擎支持超大型數(shù)據(jù)集，可靈活、高性能地搜索提取空間數(shù)據(jù)，是專門為多用戶、分布式環(huán)境設(shè)計開發(fā)的體系架構(gòu)，擁有邏輯上的無縫、連續(xù)的非瓦片式的空間目標(biāo)數(shù)據(jù)模型，并支持多用戶并發(fā)查詢的快速響應(yīng)。以下針對關(guān)系數(shù)據(jù)庫BLOB字段和空間數(shù)據(jù)引擎的存儲原理進(jìn)行分析。

1.1 關(guān)系數(shù)據(jù)庫BLOB字段存儲

在Oracle數(shù)據(jù)庫中，大對象(large objects,LOB)是用來存儲大量的二進(jìn)制和文本數(shù)據(jù)的一種數(shù)據(jù)類型(一個LOB字段可存儲多達(dá)4 GB的數(shù)據(jù))。Oracle8i以上支持3種類型的內(nèi)部LOB： 二進(jìn)制數(shù)據(jù)(BLOB)、單字節(jié)字符數(shù)據(jù)(CLOB)和多字節(jié)字符數(shù)據(jù)(NCLOB)。其中BLOB字段適用于存儲大量的二進(jìn)制數(shù)據(jù)，如圖像、視頻和音頻等。在通常的遙感影像數(shù)據(jù)管理系統(tǒng)中，影像數(shù)據(jù)以BLOB字段存儲在Oracle數(shù)據(jù)庫中。BLOB字段包含BLOB列、BLOB數(shù)據(jù)段和BLOB索引段3部分： BLOB列由BLOB定位符和BLOB值組成，BLOB定位符是一個指向BLOB字段實際存放位置的指針，BLOB值存儲BLOB數(shù)據(jù)； BLOB數(shù)據(jù)段由多個數(shù)據(jù)塊(chunk)組成，每個chunk用來存放BLOB數(shù)據(jù)； BLOB索引段由多個entry組成，主要用于存放BLOB索引。

遙感影像由于數(shù)據(jù)量較大的原因，通常存放在BLOB數(shù)據(jù)段中。若chunk未超過12塊，通過BLOB定位符指向存儲在BLOB字段中的影像，不使用BLOB索引段； 否則需要用BLOB索引段進(jìn)行尋址，數(shù)據(jù)段中每一個chunk地址都存放在BLOB索引中，通過索引段尋址方式，可以定位到影像在BLOB字段中的存儲位置，從而讀取高分影像進(jìn)行展示。這就導(dǎo)致BLOB字段存儲和網(wǎng)絡(luò)資源占用大，影響遙感影像的檢索獲取效率，多用戶對海量遙感影像的并發(fā)訪問受限。

1.2 空間數(shù)據(jù)引擎存儲

空間數(shù)據(jù)引擎(spatial database engine,SDE)是GIS中介于應(yīng)用程序和空間數(shù)據(jù)庫之間的中間件技術(shù)，能夠在常規(guī)數(shù)據(jù)庫管理系統(tǒng)功能之外獲得空間數(shù)據(jù)存儲和管理的能力，具有代表性的是ESRI的ArcSDE。RasterCatalog 數(shù)據(jù)模型是ArcSDE中存儲、管理柵格數(shù)據(jù)的一種組織方式，通過ArcEngine提供的接口，將多個獨立的影像數(shù)據(jù)文件無縫地顯示在一個RasterCatalog圖層中，并同時存儲影像數(shù)據(jù)的空間位置信息。

RasterCatalog圖層在Oracle數(shù)據(jù)庫中存儲在若干張相互關(guān)聯(lián)的表中，其中真正存儲柵格影像數(shù)據(jù)的表包括： 附錄信息表、分塊表、波段表和柵格表。附錄信息表存儲影像顏色映射、統(tǒng)計信息等； 分塊表真正存儲柵格像素值； 波段表存儲影像的所有波段信息； 柵格表存儲RasterCatalog中包含的柵格的屬性。對于高分影像數(shù)據(jù)，SDE通過建立Raster_Columns(SRID外鍵)元數(shù)據(jù)表，來建立與導(dǎo)入的業(yè)務(wù)表(business table)之間的關(guān)系。

柵格目錄中的每個影像數(shù)據(jù)都是獨立的，利于數(shù)據(jù)更新和數(shù)據(jù)庫維護(hù)，常用于管理分幅數(shù)據(jù)或者同一地區(qū)的多期數(shù)據(jù)，航遙中心現(xiàn)有影像多數(shù)為原始分幅影像，具有數(shù)據(jù)量大、覆蓋面積廣和部分地區(qū)多次覆蓋的特點，使用RasterCatalog存儲方式能夠有效管理影像數(shù)據(jù)。

2 海量影像數(shù)據(jù)顯示優(yōu)化技術(shù)

2.1 影像數(shù)據(jù)壓縮類型與壓縮質(zhì)量

海量遙感影像數(shù)據(jù)管理系統(tǒng)在管理海量影像數(shù)據(jù)時，為了節(jié)省數(shù)據(jù)庫中的數(shù)據(jù)存儲空間，在影像數(shù)據(jù)入庫前，對數(shù)據(jù)進(jìn)行壓縮存儲。系統(tǒng)內(nèi)部在導(dǎo)入柵格影像數(shù)據(jù)時，可以根據(jù)需要選擇不同的壓縮類型和壓縮質(zhì)量，常見的壓縮類型有無壓縮、LZ77和JPEG等，其中LZ77為無損壓縮類型，JPEG為有損壓縮類型，對于JPEG有損壓縮類型還可以選擇不同的壓縮質(zhì)量完成數(shù)據(jù)壓縮。

2.2 影像數(shù)據(jù)金字塔

對原始圖像創(chuàng)建金字塔是改善影像數(shù)據(jù)顯示性能的一種重要方法。影像金字塔的創(chuàng)建過程就是一個重采樣的過程，金字塔文件中存放了多種空間分辨率的柵格數(shù)據(jù)，同一空間分辨率的柵格數(shù)據(jù)被組織在一個層面(layer)內(nèi)，而不同空間分辨率的柵格數(shù)據(jù)具有上下的垂直組織關(guān)系： 越靠近頂層，數(shù)據(jù)的空間分辨率越小，數(shù)據(jù)量也越小，只能反映原始數(shù)據(jù)的概貌； 越靠近底層，數(shù)據(jù)的空間分辨率越大，數(shù)據(jù)量也越大，更能反映原始詳情。

影像金字塔的各個連續(xù)圖層間通常以4∶1的比例進(jìn)行重采樣，常用的重采樣方法有最鄰近法、雙線性插值法和三次卷積法。衛(wèi)星或航空攝影等tiff和img格式的影像數(shù)據(jù)多采用雙線性插值法或者三次卷積法[1]進(jìn)行重采樣，以保證影像平滑顯示效果。影像數(shù)據(jù)越大、金字塔級數(shù)越多，創(chuàng)建金字塔花費時間就越長，但在瀏覽展示時也將節(jié)省更多時間。

2.3 影像數(shù)據(jù)切片

隨著遙感技術(shù)的發(fā)展，衛(wèi)星遙感影像數(shù)據(jù)單幅數(shù)據(jù)量也越來越大，影像切片技術(shù)通過將一幅較大影像數(shù)據(jù)切分成很多小的切片進(jìn)行存儲，在加載影像時，根據(jù)視圖窗口地理位置加載相應(yīng)的切片數(shù)據(jù)，從而減少數(shù)據(jù)加載時間，提高數(shù)據(jù)瀏覽展示的效率。當(dāng)利用RasterCatalog圖層進(jìn)行影像數(shù)據(jù)存儲時，柵格影像數(shù)據(jù)(包括金字塔)被切割成一塊塊存儲在SDE_BLK_表中，每條記錄代表了一個切片。切片默認(rèn)尺寸大小為128像素×128像素，通常根據(jù)實際影像大小對切片尺寸大小進(jìn)行調(diào)整。

3 實例分析

本文在研究影像數(shù)據(jù)高效展示的基礎(chǔ)上，結(jié)合現(xiàn)有的影像數(shù)據(jù)存儲技術(shù)，以Visual Studio 2010作為系統(tǒng)開發(fā)平臺，Oracle11g作為數(shù)據(jù)庫管理平臺，ArcSDE10.1作為中間件消息處理技術(shù)，構(gòu)建了影像處理支撐數(shù)據(jù)庫管理系統(tǒng)。作為一個海量數(shù)據(jù)管理系統(tǒng)，系統(tǒng)存儲管理了大量國產(chǎn)衛(wèi)星影像數(shù)據(jù)(如GF-1和ZY02C等)以及一些其他輔助數(shù)據(jù)，共計176萬余景，數(shù)據(jù)量約534 TB。

通過對影像數(shù)據(jù)存儲技術(shù)、展示技術(shù)的對比研究，關(guān)系數(shù)據(jù)庫BLOB字段存儲方式存儲時直接存儲的是影像文件，占用較大存儲空間，因此影像處理支撐數(shù)據(jù)庫管理系統(tǒng)中采用了空間數(shù)據(jù)庫RasterCatalog圖層方式存儲。系統(tǒng)構(gòu)建了以數(shù)據(jù)壓縮入庫，創(chuàng)建金字塔，創(chuàng)建切片生成地圖緩存，客戶端瀏覽展示的工作流程，可實現(xiàn)影像數(shù)據(jù)的高效展示。影像數(shù)據(jù)存儲與展示流程如圖1所示。

圖1 影像數(shù)據(jù)存儲與展示流程Fig.1 Storage and display process of image data

3.1 壓縮比對瀏覽效果的影響

選取一景4.72 G大小、tiff格式無壓縮無金字塔的柵格影像數(shù)據(jù)為數(shù)據(jù)源，在ArcCatalog中進(jìn)行無壓縮、LZ77和JPEG共3種壓縮類型的壓縮測試，得到的測試結(jié)果以及視覺效果如表1所示。

表1 壓縮類型性能對比Tab.1 Performance contrast of compressed format

對比實驗結(jié)果得出，LZ77無損壓縮視覺效果很好，但由于是無損壓縮，存儲空間占用較大。壓縮質(zhì)量為75%的JPEG在壓縮比紋理效果相對較好，在1∶3 000比例尺下，紋理仍然能保持比較清晰； 壓縮質(zhì)量為50%時，視覺效果較75%略差，但整體效果尚可，在1∶3 000比例尺下，紋理較明顯。

通過空間庫RasterCatalog圖層方式入庫時，真正存儲柵格像素值的SDE_BLK_表存在增長過快的情況，出現(xiàn)N倍的存儲空間膨脹?？紤]到數(shù)據(jù)存儲空間與視覺效果，對比分析無損壓縮以及壓縮類型為JPEG，壓縮質(zhì)量分別為75%和50%這3種情況對影像數(shù)據(jù)入庫存儲時存儲空間膨脹的影響(如表2所示)。實驗用RastarCatalog共72條數(shù)據(jù)，原始數(shù)據(jù)文件共11.2 G。存儲空間膨脹比率為柵格數(shù)據(jù)占用存儲空間與原始文件大小的比值。

表2 壓縮類型結(jié)果對比Tab.2 Results of compressed format

通過對比得出，當(dāng)壓縮類型為JPEG、壓縮質(zhì)量為50%時存儲空間膨脹比率最低，有利于影像數(shù)據(jù)的存儲管理。

通過對壓縮類型、壓縮質(zhì)量、視覺效果和存儲空間膨脹比率的綜合分析，影像處理支撐數(shù)據(jù)庫管理系統(tǒng)采用壓縮類型為JPEG，壓縮質(zhì)量為50%進(jìn)行壓縮入庫管理，能夠滿足大范圍影像瀏覽的需求。

3.2 金字塔構(gòu)建方式對瀏覽效果影響

數(shù)據(jù)入庫后，為了實現(xiàn)快速瀏覽展示，程序內(nèi)部對已入庫的數(shù)據(jù)建立影像金字塔。對以JPEG壓縮類型、50%壓縮質(zhì)量進(jìn)行數(shù)據(jù)入庫的數(shù)據(jù)分別采用最鄰近法、雙線性插值法和三次卷積法3種常用的重采樣方法進(jìn)行對比(表3)，設(shè)置構(gòu)建7層金字塔。

表3 重采樣方法性能對比Tab.3 Performance contrast of different resampling methods

對比3種重采樣方法，就壓縮速度、文件數(shù)據(jù)量和視覺效果結(jié)合來看，雙線性插值法建立金字塔耗時較短，且能夠獲得很好的視覺效果，但最終文件數(shù)據(jù)量略大于三次卷積法。而三次卷積法耗時太長，不建議采用，因此影像處理支撐數(shù)據(jù)庫管理系統(tǒng)選取了雙線性插值法建立影像金字塔。

3.3 圖像切片大小對瀏覽速率的影響

空間數(shù)據(jù)庫對影像進(jìn)行存儲時，切片大小默認(rèn)為128像素×128像素。對于無壓縮的數(shù)據(jù)，128像素×128像素切片大小的柵格影像數(shù)據(jù)切片應(yīng)該包含16 K個像素。就高分影像數(shù)據(jù)而言，影像位深為16 Bit，即每個像素占據(jù)2個字節(jié)； 因此，128像素×128像素切片大小將在數(shù)據(jù)庫中占據(jù)32 KB存儲空間。采用Oracle數(shù)據(jù)庫進(jìn)行入庫時，默認(rèn)創(chuàng)建數(shù)據(jù)庫的數(shù)據(jù)塊大小為8 K，則128像素×128像素切片占據(jù)了2個數(shù)據(jù)塊，Oracle讀取這個切片就需要做4個I/O操作。在數(shù)據(jù)庫中，通過盡量減少I/O操作來提高數(shù)據(jù)庫訪問效率，因此，針對現(xiàn)有高分?jǐn)?shù)據(jù)源以及系統(tǒng)部署環(huán)境等實際情況，系統(tǒng)采用64像素×64像素作為最優(yōu)切片大小進(jìn)行影像切片。

3.4 影像數(shù)據(jù)展示速度比較

根據(jù)現(xiàn)有技術(shù)，主要設(shè)計如下3種技術(shù)路線實現(xiàn)影像數(shù)據(jù)展示。

方式1： 以關(guān)系數(shù)據(jù)庫BLOB字段作為影像數(shù)據(jù)存儲方式。在數(shù)據(jù)庫中，通過數(shù)據(jù)ID判斷影像數(shù)據(jù)是否存在。如果存在，則下載影像文件并生成坐標(biāo)參考文件，讀取文件并構(gòu)造IRasterCatalog Layer，從而實現(xiàn)影像數(shù)據(jù)的瀏覽展示； 如果不存在，則不進(jìn)行展示。

方式2： 以空間數(shù)據(jù)庫作為影像存儲方式。在數(shù)據(jù)庫中，通過數(shù)據(jù)ID獲取RasterCatalog相關(guān)聯(lián)表，判斷影像數(shù)據(jù)是否存在。如果存在，則獲取數(shù)據(jù)庫中存儲的影像數(shù)據(jù)構(gòu)建Raster Layer，實現(xiàn)影像數(shù)據(jù)的瀏覽展示； 如果不存在，則不進(jìn)行展示。

方式3： 以空間數(shù)據(jù)庫作為影像存儲方式。在數(shù)據(jù)庫中，通過數(shù)據(jù)ID獲取RasterCatalog相關(guān)聯(lián)表，判斷影像數(shù)據(jù)是否存在。如果存在，則直接通過RasterCatalog構(gòu)建成GDB RasterCatalog Layer并設(shè)置顯示條件，實現(xiàn)影像數(shù)據(jù)的瀏覽展示； 如果不存在，則不進(jìn)行展示。

在影像處理支撐數(shù)據(jù)庫管理系統(tǒng)中，針對以上3種瀏覽展示技術(shù)進(jìn)行效率測試，結(jié)果如表4所示。

表4 影像數(shù)據(jù)瀏覽展示性能分析Tab.4 Performance analysis of image data’s browse and display (s)

通過對比分析，方式3的數(shù)據(jù)瀏覽展示效率最高，且數(shù)據(jù)量越大，優(yōu)勢更加明顯。因此在影像處理支撐數(shù)據(jù)庫管理系統(tǒng)中最終采用該方式實現(xiàn)影像數(shù)據(jù)的快速瀏覽展示。

4 應(yīng)用分析

在相同的環(huán)境下，對采用了方式3的影像處理支撐數(shù)據(jù)庫管理系統(tǒng)和采用了方式1的其他影像管理系統(tǒng)進(jìn)行了應(yīng)用對比分析。通過驗證分析，針對超大型數(shù)據(jù)集空間數(shù)據(jù)庫RasterCatalog圖層存儲方式較Oracle數(shù)據(jù)庫中關(guān)系數(shù)據(jù)庫BLOB字段存儲方式更具優(yōu)勢。

將10 000景高分一號衛(wèi)星影像數(shù)據(jù)分別在影像處理支撐數(shù)據(jù)庫管理系統(tǒng)及其他影像管理系統(tǒng)中進(jìn)行數(shù)據(jù)入庫管理和瀏覽展示，統(tǒng)計不同數(shù)據(jù)量執(zhí)行10次操作的平均耗時，結(jié)果如表5所示。

表5 不同系統(tǒng)中數(shù)據(jù)瀏覽展示性能分析Tab.5 Performance analysis of different system’s browse and display functions (s)

對比實驗結(jié)果可以看出，影像處理支撐數(shù)據(jù)庫管理系統(tǒng)較其他影像管理系統(tǒng)在數(shù)據(jù)瀏覽展示效率上存在明顯的優(yōu)勢，能夠較好地實現(xiàn)海量影像數(shù)據(jù)的快速瀏覽展示。

5 結(jié)論

本文通過對關(guān)系數(shù)據(jù)庫BLOB字段存儲和空間數(shù)據(jù)庫RasterCatalog存儲2種存儲柵格影像的方式進(jìn)行了對比分析，選擇空間數(shù)據(jù)庫RasterCatalog作為航遙中心海量數(shù)據(jù)的存儲方案。通過對影響瀏覽速度的參數(shù)進(jìn)行實驗，定量分析了不同的壓縮格式、切片大小和金字塔采樣方式等對海量數(shù)據(jù)瀏覽性能的影響，實驗證明當(dāng)采用壓縮質(zhì)量為50%的JPEG壓縮和雙線性插值法構(gòu)建影像金字塔，以64像素×64像素切片大小進(jìn)行數(shù)據(jù)存儲時，瀏覽效果最優(yōu)。在此基礎(chǔ)上完成了航遙中心影像處理支撐數(shù)據(jù)庫管理系統(tǒng)533 TB數(shù)據(jù)的入庫管理，并通過與前期開發(fā)的其他影像管理系統(tǒng)進(jìn)行了性能對比，驗證了該系統(tǒng)能顯著提高高分影像的瀏覽速度，表明了基于RasterCatalog柵格數(shù)據(jù)模型能夠?qū)崿F(xiàn)海量遙感數(shù)據(jù)的高效存儲與快速展示，滿足航遙中心現(xiàn)有影像數(shù)據(jù)的存儲管理需求。

[1] 許自舟,孫淑艷,梁 斌,等.ArcGIS中海量影像數(shù)據(jù)儲存與發(fā)布技術(shù)[J].海洋環(huán)境科學(xué),2014,33(1):99-104.

Xu Z Z,Sun S Y,Liang B,et al.Technique for mass image data management and publication based on ArcGIS[J].Marine Environmental Science,2014,33(1):99-104.

[2] 薛 濤,刁明光,李建存,等.資源環(huán)境遙感海量空間數(shù)據(jù)存儲、檢索和訪問方法[J].國土資源遙感,2013,25(3):168-173.doi:10.6046/gtzyyg.2013.03.28.

Xue T,Diao M G,Li J C,et al.Approach to storing, retrieving and accessing mass spatial data in resources and environments remote sensing[J].Remote Sensing for Land and Resources,2013,25(3):168-173.doi:10.6046/gtzyyg.2013.03.28.

[3] 王昀昀,朱勤東.基于ArcSDE的影像數(shù)據(jù)入庫研究[J].測繪通報,2013(1):84-86.

Wang Y Y,Zhu Q D.Research on image data storage based on ArcSDE[J].Bulletin of Surveying and Mapping,2013(1):84-86.

[4] 鐘永友.基于ArcSDE的物流信息系統(tǒng)空間數(shù)據(jù)庫設(shè)計[J].計算機(jī)與數(shù)字工程,2010,38(1):74-77.

Zhong Y Y.Design of logistics information system spatial database based on ArcSDE[J].Computer and Digital Engineering,2010,38(1):74-77.

[5] 胡儀員.基于ArcSDE for Oracle的地震災(zāi)害緊急救援隊數(shù)據(jù)庫系統(tǒng)建設(shè)[D].成都:西南交通大學(xué),2008.

Hu Y Y.The Construction of Database for Earthquake Disaster Emergency and Rescue Team Based on ArcSDE for Oracle[D].Chengdu:Southwest Jiaotong University,2008.

[6] 王華斌,唐新明,李黔湘.海量遙感影像數(shù)據(jù)存儲管理技術(shù)研究與實現(xiàn)[J].測繪科學(xué),2008,33(6):156-157,153.

Wang H B,Tang X M,Li Q X.Research and implementation of the massive remote sensing image storage and management technology[J].Science of Surveying and Mapping,2008,33(6):156-157,153.

[7] 李宗華,彭明軍.基于關(guān)系數(shù)據(jù)庫技術(shù)的遙感影像數(shù)據(jù)建庫研究[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2005,30(2):166-169.

Li Z H,Peng M J.Remote sensing image database based on RDBMS[J].Geomatics and Information Science of Wuhan University,2005,30(2):166-169.

ResearchonmassremotesensingimagestorageandrapidbrowsebasedonRasterCatalog

SUI Xinxin1， WANG Yanzuo1， JIN Peidong1， WEI Yingjuan1， WANG Wenkai2， MA Junhuan2

(1.ChinaAeroGeophysicalSurveyandRemoteSensingCenterforLandandResources,Bejing100083,China; 2.BeijingJWDigitalSourceITCo.Ltd.，Beijing100043,China)

Since the GF-1 satellite was launched on April 26, 2013, a large quantity of data have been obtained, and the data volumes have entered into the multi-terabyte range, and even continue to grow. For effective management, retrieval and display of high-resolution remote sensing images, the authors take the efficient data storage model and faster browsing into consideration. The related experiments show that the storage and fast browsing of mass data can be realized by constructing the image pyramid by method of JPEG compression quality of 50% and method of quadratic interpolation, storing data with slices of 64×64, and creating GDB RasterCatalog Layer, which satisfies the need of industry-specific applications.

GF image data; RasterCatalog; rapid browse

10.6046/gtzyyg.2017.04.32

隨欣欣，王彥佐，晉佩東，等.基于RasterCatalog的海量遙感數(shù)據(jù)存儲及快速瀏覽技術(shù)研究[J].國土資源遙感，2017，29(4):214-218.(Sui X X,Wang Y Z,Jin P D,et al.Research on mass remote sensing image storage and rapid browse based on RasterCatalog[J].Remote Sensing for Land and Resource,2017,29(4):214-218.)

TP 79

A

1001-070X(2017)04-0214-05

2016-05-05；

2016-06-21

中國國土資源航空物探遙感中心項目“高分基礎(chǔ)數(shù)據(jù)支撐分系統(tǒng)建設(shè)”(編號： 201330106)和“資源一號02C衛(wèi)星應(yīng)用系統(tǒng)(地礦)影像產(chǎn)品數(shù)據(jù)整合建庫及管理”(編號： 201530605)共同資助。

隨欣欣(1983-)，女，博士，工程師，主要從事遙感信息化研究。Email： sxx5666@163.com。

(責(zé)任編輯：李瑜)